[發(fā)明專利]一種基于用戶評論的情感傾向分類方法、裝置及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 201810572043.5 | 申請日: | 2018-06-05 |
| 公開(公告)號: | CN110569495A | 公開(公告)日: | 2019-12-13 |
| 發(fā)明(設計)人: | 馮博琳;薛迎梅;劉斌生;王秋森;吳中恒 | 申請(專利權)人: | 北京四維圖新科技股份有限公司 |
| 主分類號: | G06F17/27 | 分類號: | G06F17/27;G06Q30/02 |
| 代理公司: | 11532 北京市天璽沐澤專利代理事務所(普通合伙) | 代理人: | 謝鑫 |
| 地址: | 100028 北京市海淀*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 語義特征 情感傾向 詞向量 卷積神經(jīng)網(wǎng)絡 循環(huán)單元 用戶評論 雙向門 特征圖 拼接 預處理 矩陣 語義 詞袋模型 存儲介質(zhì) 分類結果 評論數(shù)據(jù) 人工標注 商家顯示 分類 維度 語句 申請 標注 費力 | ||
1.一種基于用戶評論的情感傾向分類方法,其特征在于,該方法包括:
對用戶評論語句進行預處理,得到至少一個詞項;其中,所述用戶評論語句為用戶對商家的用戶評論語句;
根據(jù)所述至少一個詞項獲取所述用戶評論語句對應的詞向量矩陣,所述詞向量矩陣的每行為一個詞項的詞向量,每列為所述詞向量的一個維度;
針對所述至少一個詞項中的每個詞項,根據(jù)雙向門控循環(huán)單元分別獲取所述每個詞項的上文語義特征和下文語義特征,并將所述每個詞項的上文語義特征、所述下文語義特征和所述每個詞項的詞向量進行拼接;
通過卷積神經(jīng)網(wǎng)絡對拼接后的詞向量進行處理,提取出固定維度的特征圖;其中,所述固定維度的特征圖具有所述用戶評論語句所屬的情感傾向特征;
根據(jù)所述固定維度的特征圖具有的所述用戶評論語句所屬的情感傾向特征對情感傾向進行分類;其中,所述情感傾向的類別為好評或者差評;
根據(jù)對情感傾向進行分類的結果將所述用戶評論語句所指向的商家顯示在地圖上。
2.根據(jù)權利要求1所述的基于用戶評論的情感傾向分類方法,其特征在于,所述針對所述至少一個詞項中的每個詞項,根據(jù)雙向門控循環(huán)單元分別獲取所述每個詞項的上文語義特征和下文語義特征包括:
將所述每個詞項的詞向量輸入到正向門控循環(huán)單元,獲取所述每個詞項的上文語義特征;
將所述每個詞項的詞向量輸入到反向門控循環(huán)單元,獲取所述每個詞項的下文語義特征;
其中,所述雙向門控循環(huán)單元包括正向門控循環(huán)單元和反向門控循環(huán)單元。
3.根據(jù)權利要求1所述的基于用戶評論的情感傾向分類方法,其特征在于,所述將所述每個詞項的上文語義特征、所述下文語義特征和所述每個詞項的詞向量進行拼接包括:將所述每個詞項的上文語義特征、所述每個詞項的詞向量和所述每個詞項的下文語義特征首尾相連。
4.根據(jù)權利要求1所述的基于用戶評論的情感傾向分類方法,其特征在于,所述通過卷積神經(jīng)網(wǎng)絡對拼接后的詞向量進行處理,提取出固定維度的特征圖包括:
通過所述卷積神經(jīng)網(wǎng)絡的卷積層對拼接后的詞向量進行卷積處理;
通過所述卷積神經(jīng)網(wǎng)絡的池化層對卷積層輸出的處理結果進行池化處理,提取出固定維度的特征圖。
5.根據(jù)權利要求1所述的基于用戶評論的情感傾向分類方法,其特征在于,所述根據(jù)對情感傾向進行分類的結果將所述用戶評論語句所指向的商家顯示在地圖上包括:
統(tǒng)計所述情感傾向的類別為好評的用戶評論語句的數(shù)量和/或差評的用戶評論語句的數(shù)量;
根據(jù)所述好評的用戶評論語句的數(shù)量和/或差評的用戶評論語句的數(shù)量將所述用戶評論語句所指向的商家顯示在地圖上。
6.一種基于用戶評論的情感傾向分類裝置,其特征在于,該裝置包括:預處理模塊、獲取詞向量矩陣模塊、獲取上下文語義特征模塊、卷積神經(jīng)網(wǎng)絡模塊、分類模塊和顯示商家模塊;
所述預處理模塊,用于對用戶評論語句進行預處理,得到至少一個詞項;其中,所述用戶評論語句為用戶對商家的用戶評論語句;
所述獲取詞向量矩陣模塊,用于根據(jù)所述至少一個詞項獲取所述用戶評論語句對應的詞向量矩陣,所述詞向量矩陣的每行為一個詞項的詞向量,每列為所述詞向量的一個維度;
所述獲取上下文語義特征模塊,用于針對所述至少一個詞項中的每個詞項,根據(jù)雙向門控循環(huán)單元分別獲取所述每個詞項的上文語義特征和下文語義特征,并將所述每個詞項的上文語義特征、所述下文語義特征和所述每個詞項的詞向量進行拼接;
所述卷積神經(jīng)網(wǎng)絡模塊,用于通過卷積神經(jīng)網(wǎng)絡對拼接后的詞向量進行處理,提取出固定維度的特征圖;其中,所述固定維度的特征圖具有所述用戶評論語句所屬的情感傾向特征;
所述分類模塊,用于根據(jù)所述固定維度的特征圖具有的所述用戶評論語句所屬的情感傾向特征對情感傾向進行分類;其中,所述情感傾向的類別為好評或者差評;
所述顯示商家模塊,用于根據(jù)對情感傾向進行分類的結果將所述用戶評論語句所指向的商家顯示在地圖上。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京四維圖新科技股份有限公司,未經(jīng)北京四維圖新科技股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810572043.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 終端卷積神經(jīng)網(wǎng)絡的處理方法、裝置、存儲介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡的圖像深度估計方法
- 卷積神經(jīng)網(wǎng)絡的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡的處理方法、裝置、設備及存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡的訓練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡的方法
- 卷積神經(jīng)網(wǎng)絡處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡的目標檢測方法及檢測裝置





